UNIVERSIDAD TECNOLÓGICA

INDOAMÉRICA

FACULTAD DE CIENCIAS ADMINISTRATIVAS Y

ECONÓMICAS

CARRERA DE ADMINISTRACIÓN DE EMPRESAS.

INVESTIGACIÓN DE OPERACIONES

TEMA:

PRINCIPIOS DE PROGRAMACIÓN LINEAL

ESTUDIANTE:
JACQUELINE MARIBEL CONTRERAS QUIÑONEZ

DOCENTE:
ESPINOZA GUANO MONICA PAULINA
INTROCCIÓN

La programación lineal es el campo de la programación matemática dedicado a

maximizar o minimizar (optimizar) una función lineal, denominada función objetivo, de
tal forma que las variables de dicha función estén sujetas a una serie de restricciones
expresadas mediante un sistema de ecuaciones o inecuaciones también lineales. El
método tradicionalmente usado para resolver problemas de programación lineal es el
Método Simplex.

La Programación Lineal corresponde a un algoritmo a través del cual se pueden resolver

situaciones reales en las que se pretende identificar y resolver dificultades para
aumentar la productividad respecto a los recursos , aumentando así los beneficios. El
objetivo primordial de la Programación Lineal es optimizar, es decir, maximizar o
minimizar funciones lineales en varias variables reales con restricciones lineales ,
optimizando una función objetivo también lineal.
Se mantuvo en secreto hasta 1947. En la posguerra, muchas industrias lo usaron en su
planificación diaria.
Los fundadores de la técnica son George Dantzig, quien publicó el algoritmo simplex,
en 1947, John von Neumann, que desarrolló la teoría de la dualidad en el mismo año, y
Leonid Kantoróvich, un matemático de origen ruso, que utiliza técnicas similares en la
economía antes de Dantzig y ganó el premio Nobel en economía en 1975. El ejemplo
original de Dantzig de la búsqueda de la mejor asignación de 70 personas a 70 puestos
de trabajo es un ejemplo de la utilidad de la programación lineal.

La potencia de computación necesaria para examinar todas las permutaciones a fin de

seleccionar la mejor asignación es inmensa ; el número de posibles configuraciones
excede al número de partículas en el universo.

En algunos casos se requiere que la solución óptima se componga de valores enteros

para algunas de las variables. La resolución de este problema se obtiene analizando las
posibles alternativas de valores enteros de esas variables en un entorno alrededor de la
solución obtenida considerando las variables reales.
OBJETIVOS
Dentro del desarrollo de la investigación de operaciones en general y de una
determinada programación en particular se ha producido un impulso favorable debido a
los ordenadores, como por ejemplo se encuentra uno de gran importancia como lo es el
método del simplex.

OBJETIVOS ESPECIFICOS
Entre los objetivos más importantes que se encuentran dentro de esta programación se
encuentran:

 Adquirir conocimiento sobre la programación lineal al igual que sus diferentes

aplicaciones en la vida cotidiana.
 Seguir determinados pasos para la construcción de un modelo.
 Realizar planteamientos con la finalidad de resolver diversas situaciones en
relación con la programación.
 Estudiar las variables dadas con el fin de minimizar y maximizar los recursos,
gastos, utilidades e ingresos, aportando beneficios a la empresa a la que se
aplican.
 Poder analizar el problema y descubra la mejor solución en el menor tiempo
posible, a fin de tomar la decisión correcta para la organización que encontró el
problema.

METODOLOGIA

En este informe se aplicó con los conocimientos respectivos una investigación

descriptiva, dado que todos los problemas han sido investigados y analizados, son
responsables de describir las situaciones o fenómenos clave de la investigación,
explicando así las características de todos los problemas en detalle, utilizando
observaciones como las observaciones. Recopilar datos basados en hipótesis o teorías,
enuncie y resuma cuidadosamente la información y luego analice a fondo los resultados
para llegar a generalizaciones significativas que contribuyan al conocimiento.

RESULTADOS

La programación lineal es la aplicación de un tipo de ecuaciones e inecuaciones de tipo

lineal, que al ser representadas gráficamente dan como resultado rectas. La ecuación
utilizada para este tipo de rectas es de la forma y=mx+b en donde y es igual a la
variable dependiente, m es igual a la pendiente de la recta, x es la variable
independiente, b es el punto de corte. Bajo este concepto se analizará los cuatro tipos de
inclinación que presentan las rectas

DESARROLLO

El primer paso para la resolución de un problema de programación lineal consiste en la

identificación de los elementos básicos de un modelo matemático, estos son:

 Función Objetivo
 Variables
 Restricciones

El siguiente paso consiste en la determinación de estos, para lo cual se propone seguir la

siguiente metodología:

FUNCIÓN OBJETIVO

La función objetivo tiene una estrecha relación con la pregunta general que se desea
responder. Si en un modelo resultasen distintas preguntas, la función objetivo se
relacionaría con la pregunta del nivel superior, es decir, la pregunta fundamental.
La función objetivo puede ser:

VARIABLE DE DECISIÓN

Similar a la relación que existe entre objetivos específicos y objetivo general, se

comportan las variables de decisión respecto a la función objetivo, puesto que estas se
identifican partiendo de una serie de preguntas derivadas de la pregunta fundamental.
Las variables de decisión son en teoría, factores controlables del sistema que se está
modelando, y como tal, estas pueden tomar diversos valores posibles, de los cuales se
precisa conocer su valor óptimo, que contribuya con la consecución del objetivo de la
función general del problema.
Las variables son números reales mayores o iguales a cero.
En caso de que se requiera que el valor resultante de las variables sea un número entero,
el procedimiento de resolución se denomina Programación entera. Por otro lado cuando
se requiera que el valor resultante de las variables solo tome 2 Valores (0 , 1) , el
procedimiento de resolución se denomina Programación Binaria

RESTRICCIONES

Cuando hablamos de las restricciones en un problema de programación lineal, nos

referimos a todo aquello que limita la libertad de los valores que pueden tomar las
variables de decisión.

La mejor manera de hallarlas consiste en pensar en un caso hipotético en el que

decidiéramos darles un valor infinito a nuestras variables de decisión, por ejemplo, ¿qué
pasaría si en un problema que precisa maximizar sus utilidades en un sistema de
producción de calzado decidiéramos producir una cantidad infinita de zapatos?
Seguramente ahora nos surgirían múltiples interrogantes, como por ejemplo:

 ¿Con cuánta materia prima cuento para producirlos?

 ¿Con cuánta mano de obra cuento para fabricarlos?
 ¿Pueden las instalaciones de mi empresa albergar tal cantidad de producto?
 ¿Podría mi fuerza de mercadeo vender todos los zapatos?
 ¿Puedo financiar tal empresa?

Pues bueno, entonces habríamos descubierto que nuestro sistema presenta una serie de
limitantes, tanto físicas, como de contexto, de tal manera que los valores que en un
momento dado podrían tomar nuestras variables de decisión se encuentran
condicionados por una serie de restricciones.

Las restricciones pueden ser de la forma:

Donde:

 A = valor conocido a ser respetado estrictamente;

 B = valor conocido que debe ser respetado o puede ser superado;
 C = valor conocido que no debe ser superado;
 j = número de la ecuación, variable de 1 a M (número total de restricciones);
 a; b; y, c = coeficientes técnicos conocidos;
 X = Incógnitas, de 1 a N;
 i = número de la incógnita, variable de 1 a N.

En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N

> M; ó, N < M.

Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y
puede no tener sentido una optimización.

Los tres tipos de restricciones pueden darse simultáneamente en el mismo problema.

1) TIPOS DE ECUACIONES LINEALES

1.1. ECUACIONES LINEALES PROPIAMENTE TALES

En este tipo de ecuación el denominador de todas las expresiones algebraicas es igual a

1 (no se presentan como fracción, aunque el resultado sí puede serlo).

Para proceder a la resolución se debe:

Eliminar paréntesis.

Dejar todos los términos que contengan a "x" en un miembro y los números en el otro.

Luego despejar "x" reduciendo términos semejantes.

Ejemplo:
4x – 2(6x – 5) = 3x + 12(2x + 16)

4x – 12x + 10 = 3x + 24x + 192

4x – 12x – 3x – 24x = 192 – 10

–35x = 182

1.2. ECUACIONES FRACCIONARIAS

En este tipo de ecuación lineal el denominador de a lo menos una de las expresiones

algebraicas es diferente de 1 (es una fracción).

Para proceder a la resolución se debe:

Llevar a ecuación lineal (eliminar la fracción) multiplicando la ecuación por el mínimo

común múltiplo (m.c.m.)de los denominadores.

Ejemplo:

(ojo) m.c.m. de 2, 4 y 3 = 12
 1.3.ECUACIONES LITERALES

Pueden ser lineales o fraccionarias. Si son fraccionarias, se llevan al tipo lineal, pero en
el paso de reducir términos semejantes se factoriza por "x" para despejarla.

Ejemplo:

Se analizarán los cuatro tipos de inclinación que presenta la recta de acuerdo con su
pendiente de la siguiente forma:

 Caso 1: y = mx+b

La pendiente es positiva, directamente proporcional y forma un ángulo menor a

90°desde el origen con el eje x.

Ejemplo:

Figura 1

Pendiente positiva
  Caso 2: y = - mx+b

Pendiente negativa, inversamente proporcional, forma un ángulo obtuso mayor a 90°

desde el origen al eje x.

Ejemplo:

Figura 2

Pendiente negativa
  Caso 3: y = ± b

La pendiente es cero o nula, paralela el eje de la variable independiente.

Figura 3

Pendiente nula
  Caso 4: x = ± a

Pendiente infinita, paralela al eje de la variable dependiente

Ejemplo:

Figura 4

Pendiente infinita

2) INECUACIONES LINEALES.

Una inecuación lineal de dos variables es cualquier desigualdad que se puede representar
de la siguiente forma:

ax + by + c ≥ 0

ax + by + c ≤ 0

ax + by + c < 0

ax + by + c > 0

La solución para este tipo de inecuaciones consiste en encontrar un semiplano solución

de la siguiente forma:
Validación:

A= (5, - 10)

4y + 2x +8 ≤ 0
4(-10) + 2 (5) +8 ≤ 0
-40 + 10 +8 ≤ 0
-22 ≤ 0 Verdadero

B = (10,10)
4y + 2x +8 ≤ 0
4(10) + 2 (10) +8 ≤ 0
40 + 20 +8 ≤ 0
68 0 Falso
 Verdadero Verdadero Falso

3) SISTEMA DE INECUACIONES LINEALES

Se llama inecuaciones lineales a un conjunto de N.º inecuaciones que presentan

desigualdades del tipo: mayor que, menor que, mayor o igual. Obtener la solución
para este tipo de sistemas supone obtener un semiplano, solución de cada una de las
inecuaciones que lo forman y averiguar la intersección de todos ellos.

Figura …Sistema de inecuaciones lineales

Validación:

D = 3; -1

2x + 3y ≥ - 3 2x-y-9 ≤ 0 2x – 5y – 5 ≥ 0
2 ( 3) + 3(-1) ≥ - 3 2x-y-9 ≤ 0 2x-5y-5 ≥ 0
6-3 ≥ - 3 2(0) -(-1.01) -9 ≤ 0 2(0) -5(-1.01) ≥ 0
-3≥ - 3 0+1.01-9≤ 0 0 +5.05≥ 0
Verdadero -7.99≤ 0 5.05≥ 0
VERDADERO VERDADERO

Ejercicio:
 A= 2; 3
x+y >1 3x – 5 ≤ y y < 2x
2 + 3 >1
5 >1
Verdadero

4) PROBLEMAS DE OPTIMIZACIÓN
4.1. Problemas de Maximización

Caso 1.

Un fabricante de muebles produce dos tipos de mesas: clásicas y modernas. Cada mesa
del modelo clásico requiere 4 horas de lijado y 3 horas de barnizado, y deja un beneficio
de 200 dólares. No deben fabricarse más de 9 de estas mesas. Cada mesa moderna necesita
3 horas de lijado y 4 horas de barnizado, y su beneficio es de 100 dólares. Se dispone de
48 horas para lijado y de 60 horas para barnizado. ¿Cuántas mesas de cada tipo se han de
fabricar para que sus beneficios sean máximos?

1. Definición de las variables de decisión

X1 = Unidades de mesas tipo clásica que se deben fabricar
X2 = Unidades de mesas tipo moderna que se deben fabricar

2. Tabla de datos

Proceso Lijado Barnizado Beneficio

Producto (h) (h) ($)
Mesa Clásica 4 3 200
X1
Mesa Moderna 3 4 100
X2
Disponibilidad 48 60
 3. Determinación de la función objetivo

Max G = 200 (X1) + 100 (X2)

4. Determinación de restricciones

4 X1 + 3 X2 ≤ 48
3 X1 + 4 X2 ≤ 60
X1 ≤ 9

5. Condiciones de no negatividad

X1 , X2 ≥ 0

6. Algoritmo

Max G = 200 (X1) + 100 (X2)

Sujeto a,

4 X1 + 3 X2 ≤ 48

3 X1 + 4 X2 ≤ 60
X1 ≤ 9
X1 , X2 ≥ 0

Caso 2

Una empresa de instalaciones dispone de 195 kg de cobre, 20 kg de titanio y 14 kg de

aluminio. Para fabricar 100m de cable de tipo A, se necesitan 10 Kg de cobre, 2 kg de
titanio y 1kg de aluminio, y se obtiene de él un beneficio de $1500. Para fabricar 100 m
de cable de tipo B, se necesitan 15 kg de cobre, 1 kg de titanio y 1 kg de aluminio, y se
obtiene un beneficio de $1000. Calcular cuántos metros de cable hay que fabricar, de cada
tipo; para que el beneficio sea el máximo.

1. Definición de las variables de decisión

X1= Metros de cable A que se debe fabricar.

X2= Metros de cable B que se debe fabricar.

 2. Tabla de datos

Proceso Cobre Titanio Aluminio Beneficio

Producto kg kg kg ($)

Cable A 10 2 1 1500
X1
Cable B 15 1 1 1000
X2
Disponibilidad 195 20 14

3. Determinación de la función objetivo

Max G.= 1500 X1 + 1000 X2

4. Determinación de restricciones
10 X1 + 15 X2 ≤ 195
2 X1 + X2 ≤ 20
X1 + X2 ≤ 14

5. Condiciones de no negatividad

X1, X2 ≥ 0

6. Algoritmo

Max G.= 1500 X1 + 1000 X2

Sujeto a:
10 X1 + 15 X2 ≤ 195
2 X1 + 1 X2 ≤ 20
1 X1 + 1 X2 ≤ 14
X1, X2 ≥ 0

Caso 3

Para la fabricación de dos productos, se utilizan dos tipos de materiales M1 y M2 para la

fabricación de dichos productos, P1 y P2. La disponibilidad de los materiales M1 y M2 es de 135
y 120 toneladas, en su orden. El producto P1 contiene el 30% de M1 y 40% de M2; mientras que
el producto P2 contiene el 70% de M1 y 60% de M2. Las utilidades unitarias de los productos P1
y P2 son de $3 y $5, respectivamente. La demanda del producto P1 está entre 25 y 130 unidades
y la de P2 entre 35 y 150 unidades. ¿Cuántos productos de cada uno se debe fabricar para
maximizar sus utilidades?

1. Definición de las variables de decisión

X1 = Productos P1
X2 = Productos P2

2. Tabla de datos

Proceso M1 M2 Beneficio
Producto t t ($)
Productos P1 0.3 0.4 3

X1
Productos P2 0.7 0.6 5

X2
Disponibilidad 135 120

3. Determinación de la función objetivo

Max G = 3X1 + 5X2

4. Determinación de restricciones

0.3X1 + 0.7 X2 ≤ 135

0.4X1 + 0.6 X2 ≤ 120
X1 ≥ 25
X1≤ 130
X2≥ 35
X2≤ 150
 5. Condiciones de no negatividad

X1 , X2 ≥ 0

6. Algoritmo

Max G = 3X1 + 5X2

Sujeto a,

0.3X1 + 0.7 X2 ≤ 135

0.4X1 + 0.6 X2 ≤ 120

X1 ≥ 25
X1≤ 130
X2≥ 35
X2≤ 150
X1 , X2 ≥ 0

Caso 4

Una fábrica produce dos tipos de camisa A y B; las camisas de tipo A requieren 2.5 minutos para
corte y 5 min para confección; las de tipo B, requieren 4 min para corte y 4 min para confección.
Se necesita 1 hora y 40 minutos para corte y 2 horas para confección, siendo el beneficio de $2.5
por cada camisa tipo A y $3 por cada camisa tipo B. ¿Cuántas camisas de cada tipo debe
producirse para obtener su máximo beneficio?

1. Definición de las variables de decisión

X1 = Camisetas tipo A que se deben fabricar

X2 = Camisetas tipo B que se deben fabricar

2. Tabla de datos

Materiales Corte Confección Beneficio

Producto (min) (min) ($)
Camiseta A 2.5 5 2.5
 X1
Camiseta B 4 4 3

X2
Disponibilidad 100 120

3. Determinación de la función objetivo

Max G = 2.5X1 + 3X2

4. Determinación de restricciones

2.5X1 + 5 X2 ≤ 100
4X1 + 4X2 ≤ 120

5. Condiciones de no negatividad

X1 , X2 ≥ 0

6. Algoritmo

Max G = 2.5X1 + 3X2

Sujeto a,

2.5X1 + 5 X2 ≤ 100
4X1 + 4X2 ≤ 120
X1 , X2 ≥ 0

4.2.PROBLEMAS DE MINIMIZACIÓN

Caso 5

Una empresa fabricante de automóviles produce dos modelos, A y B. Tiene dos factorías,
F1 y F2. En F1 se producen diariamente 6 coches tipo A y 4 tipos B, con un costo de
$32000 diarios. F1 no funciona más de 50 días. En F2 se producen 4 de A y 4 de B, con
un costo de $24000 diarios. Para abastecer el mercado se han de poner a la venta al menos
360 coches de tipo A y al menos 300 de tipo B. ¿Cuántos días debe funcionar cada factoría
para que el costo sea mínimo?

1. Definición de las variables de decisión

X1 = Número de días que debe funcionar F1
X2 = Número de días que debe funcionar F2

2. Tabla de datos

Productos Automóvil Modelo Automóvil Modelo Beneficio ($)

Factoría A(unidades) B(unidades)
Factoría 1 6 4 32000
X1

Factoría 2 4 4 24000
X2

Disponibilidad 360 300

3. Determinación de la función objetivo

Min C = 32000 X1 + 24000 X2

4. Determinación de restricciones

6 X1 +4 X2 ≥ 360
4 X1 +4 X2 ≥ 300
X1 ≤ 50

5. Condiciones de no negatividad

X1, X2 ≥ 0
 6. Algoritmo

Min C = 32000 X1 + 24000 X2

Sujeto a,
6 X1 +4 X2 ≥ 360
4 X1 +4 X2 ≥ 300
X1 ≤ 50
X1, X2 ≥ 0

Caso 6

Se desea realizar la mezcla de dos substancias A y B, que ha de contener como mínimo

10 unidades de cada una de ellas. Estas substancias las venden dos proveedores en forma
de lotes. El lote del primer proveedor es tal, que los contenidos de B y de A están en
relación de 4 a 1 y hay una unidad de A. El lote del segundo proveedor es tal que los
contenidos de A y de B están en relación de 4 a 1 y hay una unidad de B. El primer
proveedor vende cada lote a $10 y el segundo al doble. Ambos proveedores nos venden
lotes enteros o fracciones de ellos. ¿Qué número de lotes hemos de comprar para que el
costo sea mínimo?

1. Definición de las variables de decisión

X1 = Número de lotes 1er proveedor

X2 = Número de lotes 2do proveedor

2. Tabla de datos

Cantidad Sustancia A Sustancia B Beneficio ($)

Lotes unidades unidades

X1 1 4 10

X2 4 1 20

Disponibilidad 10 10

3. Determinación de la función objetivo

 Min C = 10 X1 + 20 X2

4. Determinación de restricciones

X1 +4 X2 ≥ 10
4 X1 +X2 ≥ 10

5. Condiciones de no negatividad

X1, X2 ≥ 0

6. Algoritmo

Min C = 10X1 + 20 X2

Sujeto a,
X1 +4 X2 ≥ 10
4 X1 +X2 ≥ 10
X1 ≥0
X2 ≥ 0
X1, X2 ≥ 0

DISCUSIÓN

A manera de conclusión podemos afirmar que la programación lineal es una

herramienta muy útil, tanto para personas con empresas independientes como para
grandes compañías.

Permite administrar de la mejor manera los recursos con los que se cuenta para poder
aprovecharlos al máximo, como también ayuda a obtener mayores ganancias y a
minimizar los costos.

La programación lineal es un procedimiento o algoritmo matemático, mediante el cual

se resuelve un problema indeterminado.
Consiste en optimizar (minimizar o maximizar) una función lineal, que denominaremos
función objetivo, de tal forma que dicha función esté sujeta a una serie de restricciones
que expresamos mediante un sistema de inecuaciones lineales.

La programación lineal nos permite utilizar diferentes métodos los cuales nos permiten
reducir costos y obtener ganancias.

Se analizó todos los problemas presentados llegando a conocer cuál será la solución
para el mismo, y se estudió cada resultado obtenido para la optimización de los recursos
que tiene la empresa.
BIBLIOGRAFIA:

 (Hiller, Frederick S. y Lieberman, Gerald J., 1997)

 (Kong, 2013)
 Taha Handy, “Investigación de Operaciones” séptima edición; editorial: Pearson.
 KOONTZ HAROLD, Administración, una perspectiva global, Editorial Mc Graw-Hill, 11
edición, México 1998.
 CHIAVENATO IDALBERTO, Administración: Teoría y Práctica, Mc Graw-Hill 3 edición.
 http://www.monografias.com/trabajos6/proli/proli.shtml
 Jorge Alvarado Boirivant, J. A. B. (2009). LA PROGRAMACIÓN LINEAL
APLICACIÓN DE LA PEQUEÑAS Y MEDIANAS EMPRESAS. LA
PROGRAMACIÓN LINEAL APLICACIÓN DE LA PEQUEÑAS Y
MEDIANAS EMPRESAS. Https://www.redalyc.org/pdf/729/72912559007.pdf
 Faulín, J., & Juan, Á. A. (2011). Programación lineal y programación lineal
entera con Excel y Lindo.